Fugu-MT 論文翻訳(概要): FDIFormer:Protocol-Aware Transformer Learning for False Data Injection Attack Detection in Smart Grid Networks

論文の概要: FDIFormer:Protocol-Aware Transformer Learning for False Data Injection Attack Detection in Smart Grid Networks

arxiv url: http://arxiv.org/abs/2607.06213v1
Date: Tue, 07 Jul 2026 12:37:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-08 21:24:51.510921
Title: FDIFormer:Protocol-Aware Transformer Learning for False Data Injection Attack Detection in Smart Grid Networks
Title（参考訳）: FDIFormer:スマートグリッドネットワークにおける偽データ注入検出のためのプロトコル対応変圧器学習
Abstract要約: FDIFormerは、GOOSEパケットシーケンスと微調整済みのTransformerモデルの構造的テキスト表現を用いたFDI攻撃検出のためのフリーフレームワークである。このフレームワークはプロトコルパケットを構造化されたテキストウィンドウに変換し、通信動作をキャプチャし、Transformerモデルがデータから直接攻撃関連パターンを学習できるようにする。
参考スコア（独自算出の注目度）: 1.5761916307614143
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Smart grids use communication networks and intelligent electronic devices for reliable, automated power system operation. As these systems become more interconnected, they are increasingly exposed to cyberattacks such as message tampering, false command injection, and denial-of-service attacks. A particularly concerning threat is False Data Injection (FDI), where attackers manipulate communication messages by deleting, modifying, or adding packets. This is especially critical in IEC 61850-based substations, where Generic Object-Oriented Substation Event (GOOSE) messages deliver time-critical protection and control information between devices. Detecting FDI attacks in IEC 61850 GOOSE traffic is challenging because malicious packets closely resemble legitimate communication, and many existing detection methods depend heavily on manually engineered protocol features requiring extensive domain knowledge and limited generalisability. This paper proposes FDIFormer, a feature-engineering-free framework for FDI attack detection using structured textual representations of GOOSE packet sequences and fine-tuned pre-trained Transformer models. The framework converts protocol packets into structured text windows that capture communication behaviour, enabling Transformer models to learn attack-related patterns directly from the data. Evaluated on the QUT-ZSS-2023-GOOSE dataset under a scenario-level three-fold cross-validation strategy, GraphCodeBERT achieves an MCC of 0.595 +/- 0.122, comparable to the strongest feature-engineered baseline, XGBoost (MCC = 0.604 +/- 0.121), while improving MCC by 0.133 over TF-IDF baselines. These findings show that pre-trained Transformer representations offer an effective technique for FDI attack detection in IEC 61850 GOOSE communication without relying on manually engineered protocol features.
Abstract（参考訳）: スマートグリッドは、通信ネットワークとインテリジェント電子機器を使用して、信頼性の高い自動電力系統の運用を行う。これらのシステムがより相互接続されるようになるにつれて、メッセージの改ざん、偽のコマンドインジェクション、サービス拒否攻撃といったサイバー攻撃にさらされている。特に脅威となるのはFalse Data Injection(FDI)で、攻撃者はパケットを削除、修正、追加することで通信メッセージを操作できる。これはIEC 61850ベースのサブステーションにおいて特に重要であり、ジェネリックオブジェクト指向のサブステーションイベント(GOOSE)メッセージはデバイス間で時間クリティカルな保護と制御情報を提供する。 IEC 61850 GOOSEトラフィックにおけるFDI攻撃の検出は、悪意のあるパケットが正当な通信によく似ているため困難であり、多くの既存の検出方法は、広範囲なドメイン知識と限定的な汎用性を必要とする手作業によるプロトコル機能に大きく依存している。本稿では,GOOSEパケットシーケンスの構造化テキスト表現と微調整済みトランスフォーマーモデルを用いたFDI攻撃検出のための機能エンジニアリングフリーフレームワークであるFDIFormerを提案する。このフレームワークはプロトコルパケットを構造化されたテキストウィンドウに変換し、通信の振る舞いをキャプチャし、Transformerモデルがデータから直接攻撃関連パターンを学習できるようにする。 QUT-ZSS-2023-GOOSEデータセットをシナリオレベルの3倍のクロスバリデーション戦略で評価し、GraphCodeBERTは最強の機能エンジニアリングベースラインであるXGBoost(MCC = 0.604 +/-0.121)に匹敵する0.595 +/-0.122のMCCを達成し、TF-IDFベースラインよりも0.133改善した。これらの結果から,手作業によるプロトコル機能に依存しないIEC 61850 GOOSE通信において,事前学習したTransformer表現はFDI攻撃検出に有効な手法であることがわかった。

関連論文リスト

Explainable Autoencoder-Based Anomaly Detection in IEC 61850 GOOSE Networks [4.641687438249026]
本稿では、IEC 61850 GOOSEネットワークのための説明可能な、教師なしマルチビュー異常検出フレームワークを提案する。統計的に接地されたしきい値と混合した再構成誤差を用いて異常検出を行い、特定の攻撃タイプを使わずに堅牢な検出を可能にする。実験の結果, 攻撃検出率は99%以上であり, 全トラフィックの5%以下は偽陽性であった。
論文参考訳（メタデータ） (2026-01-14T08:47:07Z)
Detection and Prevention of Process Disruption Attacks in the Electrical Power Systems using MMS Traffic: An EPIC Case [2.5501791028999574]
IEC61850準拠のスマートサブステーションに対する完全自動攻撃検出・防止フレームワークを提案する。 MMSプロトコルの詳細な解析を行い、通常のSCADA操作とアクティブアタック条件の両方で重要なMMSフィールド値ペアを抽出する。本手法は,回路ブレーカのステータスを乱そうとするMMSパケットを含む攻撃シグネチャを正確に同定する。
論文参考訳（メタデータ） (2026-01-07T08:25:24Z)
Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols [80.68060125494645]
プロトコルとモニタモデルを知っている信頼できないモデルによるアダプティブアタックについて検討する。我々は、攻撃者がモデル出力に公知またはゼロショットプロンプトインジェクションを埋め込む単純な適応攻撃ベクトルをインスタンス化する。
論文参考訳（メタデータ） (2025-10-10T15:12:44Z)
Cyber Attacks Detection, Prevention, and Source Localization in Digital Substation Communication using Hybrid Statistical-Deep Learning [39.58317527488534]
本稿では, IEC 61850 SV インジェクション攻撃の検出, 防止, ソースローカライズのためのハイブリッド統計深度学習法を提案する。悪質なSVフレームを最小の処理オーバーヘッドとレイテンシで事実上破棄し、通信ネットワークのレイテンシと時間同期の問題に対して堅牢性を維持する。 IEC 61850準拠のデジタル変電所における本手法の実用的展開適性を示す。
論文参考訳（メタデータ） (2025-07-01T07:38:22Z)
DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文参考訳（メタデータ） (2025-06-13T05:01:09Z)
SDN-Based False Data Detection With Its Mitigation and Machine Learning Robustness for In-Vehicle Networks [4.329477624773496]
本稿では,車載ネットワークを対象としたFDDMS(False Data Detection and Mitigation System)を提案する。 FDDMSは、偽データインジェクション攻撃をリアルタイムで監視し、検出するように設計されている。
論文参考訳（メタデータ） (2025-06-06T22:09:36Z)
CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
論文参考訳（メタデータ） (2025-05-14T13:37:07Z)
SISSA: Real-time Monitoring of Hardware Functional Safety and Cybersecurity with In-vehicle SOME/IP Ethernet Traffic [49.549771439609046]
本稿では,車内機能安全とサイバーセキュリティをモデル化・解析するためのSOME/IP通信トラフィックベースアプローチであるSISSAを提案する。具体的には、SISSAはWeibullディストリビューションでハードウェア障害をモデル化し、SOME/IP通信に対する5つの潜在的な攻撃に対処する。広範囲な実験結果から,SISSAの有効性と有効性が確認された。
論文参考訳（メタデータ） (2024-02-21T03:31:40Z)
Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts [89.04751776308656]
本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
論文参考訳（メタデータ） (2023-09-05T23:24:56Z)
Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial Attacks [70.51799606279883]
セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
論文参考訳（メタデータ） (2022-12-20T17:13:22Z)
Task-Oriented Communications for NextG: End-to-End Deep Learning and AI Security Aspects [78.84264189471936]
NextG通信システムは,タスク指向通信などのタスクを確実に実行するために,この設計パラダイムのシフトを探求し始めている。無線信号分類はNextG Radio Access Network (RAN) のタスクであり、エッジデバイスはスペクトル認識のための無線信号を収集し、信号ラベルを識別する必要があるNextGベースステーション(gNodeB)と通信する。エッジデバイスとgNodeB用のエンコーダデコーダ対として、送信機、受信機、および分類器機能を共同で訓練することで、タスク指向通信を考える。
論文参考訳（メタデータ） (2022-12-19T17:54:36Z)
Cross-Layered Distributed Data-driven Framework For Enhanced Smart Grid Cyber-Physical Security [3.8237485961848128]
Adaptive Statisticsを使用したクロスレイヤアンサンブルCorrDetが紹介される。故障したSG測定データの検出と、ネットワーク間時間と送信遅延の一貫性の欠如を統合する。その結果,CECD-ASは複数のFalse Data Injection, Denial of Service (DoS) および Man In The Middle (MITM) 攻撃を高いF1スコアで検出できることがわかった。
論文参考訳（メタデータ） (2021-11-10T00:00:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。